¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
Machinelearning
Ir al canal en Telegram
Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri
Mostrar más📈 Análisis del canal de Telegram Machinelearning
El canal Machinelearning (@ai_machinelearning_big_data) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 293 943 suscriptores, ocupando la posición 330 en la categoría Tecnologías y Aplicaciones y el puesto 1 277 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 293 943 suscriptores.
Según los últimos datos del 30 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -6 432, y en las últimas 24 horas de -166, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 7.71%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 5.50% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 22 682 visualizaciones. En el primer día suele acumular 16 178 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 176.
- Intereses temáticos: El contenido se centra en temas clave como openai, claude, api, gemini, контекст.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Погружаемся в машинное обучение и Data Science
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 01 julio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
293 943
Suscriptores
-16624 horas
-1 5837 días
-6 43230 días
Archivo de publicaciones
293 890
Бесплатный митап - «Инженер данных: Перспективы профессии и обучение в Яндекс Практикуме»
На митапе поговорим:
* Про тренды в развитии области дата-инженерии.
* Познакомимся с авторами курса, расскажем про их опыт в профессии и карьерный путь.
* Расскажем про подход Яндекс Практикума к обучению и трудоустройству.
21 апреля 19:00
Зарегистрироваться
293 890
👁 An Extendable, Efficient and Effective Transformer-based Object Detector
Github: https://github.com/naver-ai/vidt
Paper: https://arxiv.org/abs/2204.07962v1
Dataset: https://paperswithcode.com/dataset/coco
@ai_machinelearning_big_data
293 890
Бесконечно можно смотреть на три вещи: как горит огонь, как течет вода и как начинается новая серия любимого сериала 😏
Хотя давайте будем честны: многие из нас уже не представляют себе онлайн-кинотеатры без функции пропуска заставки и титров. Сегодня подобная фича есть у IVI, Netflix, Кинопоиска, Hulu и других.
Появилась она и в онлайн-кинотеатре KION от МТС. Как работает новая функция с точки зрения разработчиков и как искусственный интеллект помогает размечать контент, в статье на Хабре рассказал Алексей Мельников, продакт в KION.
Прочитать можно здесь.
293 890
📲 Deep-significance: Easy and Better Significance Testing for Deep Neural Networks
Github: https://github.com/Kaleidophon/deep-significance
Paper: https://arxiv.org/abs/2204.06815v1
Examples: https://github.com/Kaleidophon/deep-significance#examples
@ai_machinelearning_big_data
293 890
🌟 Parametric Distributionally Robust Optimization
Github: https://github.com/pmichel31415/P-DRO
Paper: https://arxiv.org/abs/2204.06340v1
Datasett: https://paperswithcode.com/dataset/celeba
@ai_machinelearning_big_data
293 890
Яндекс открывает резидентскую программу по машинному обучению ML Residency.
Ее участники будут проводить исследования и эксперименты в ML, писать научные работы и посещать ведущие конференции.
Подать заявку могут как студенты и аспиранты вузов, так и опытные специалисты в профильных областях: математике, физике, компьютерных науках. Работа в проекте оплачивается.
Узнать подробнее можно здесь.
293 890
🔩 Glass Segmentation with RGB-Thermal Image Pairs
Github: https://github.com/dong-huo/rgb-t-glass-segmentation
Paper: https://arxiv.org/abs/2204.05453v2
Datasett: https://drive.google.com/file/d/1ysG04qGmnZv7UaybZUuyybaJYJLUkNHX/view?usp=sharing
@ai_machinelearning_big_data
293 890
У Тинькофф появилась стипендиальная программа для студентов технических специальностей!
В отборе могут участвовать студенты бакалавриата, специалитета и магистратуры (кроме выпускного курса) технических специальностей из всех городов и вузов. Стипендия выдается на один учебный год и составляет 25 000 ₽ в месяц. Кроме этого — доступ к лекциям и общение с менторами.
Есть два трека — «Академический» и «Индустриальный» — для успевающих в учебе призеров олимпиад или чемпионатов по программированию и хакатонов. Выбирайте подходящий для себя и подавайте заявку по ссылке!
293 890
✔️ Localization Distillation for Dense Object Detection
Github: https://github.com/HikariTJU/LD
Paper: https://arxiv.org/abs/2102.12252
Datasett: https://paperswithcode.com/dataset/dota
@ai_machinelearning_big_data
293 890
День открытых дверей «Как начать в аналитике и Data Science»
В сфере аналитики множество профессий и порой в них можно запутаться. Чем отличаются дата-инженер и дата-сайентист? Зачем команде нужен системный аналитик и какие задачи решает аналитик данных? Рынку требуется всё больше специалистов, и в ближайшем будущем спрос будет только расти.
5 апреля в 19:00 на дне открытых дверей «Как начать в аналитике и Data Science» в Нетологии расскажут, кто такие Data Scientist, продуктовый аналитик, игровой аналитик, Data-журналист, маркетолог-аналитик, инженер данных, системный аналитик, аналитик BI, — и где они нужны. Вы раз и навсегда разберётесь в профессиях сферы аналитики, их ежедневных задачах и поймёте, какие должности вам наиболее близки.
Ждём всех, кому интересна работа с данными!
Записаться → https://netolo.gy/h9p
293 890
✏️ Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model
The proposed method starts building detection results through a deep learning-based detector and vectorizes individual segments into polygons using a “three-step” polygon extraction method
Github: https://github.com/jingkang50/openood
Paper: https://arxiv.org/abs/2204.05306v1
Dataset: https://entuedu-my.sharepoint.com/:f:/g/personal/jingkang001_e_ntu_edu_sg/Eso7IDKUKQ9AoY7hm9IU2gIBMWNnWGCYPwClpH0TASRLmg?e=iEYhXO
More tutorials: https://github.com/Jingkang50/OpenOOD/wiki/Get-Started
@ai_machinelearning_big_data
293 890
Сетевые диски в Selectel с поддержкой бэкапов по расписанию
Организовать хранение данных на облачных серверах в Selectel — быстро и безопасно! Подключите к сетевым дискам бэкапы по расписанию, чтобы регулярно делать резервные копии, а в случае ошибки или сбоя не потерять нужные вам данные.
Цены:
⚈ Сетевой диск — от 7,28 ₽ за 1 Гб,
⚈ Услуга по резервному копированию — 3,7 ₽ за 1 Гб бэкапов в месяц. Вы можете сделать расчет под нужный объем и количество копий.
Ссылка: https://slc.tl/0D2hm
293 890
✏️ Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model
The proposed method starts building detection results through a deep learning-based detector and vectorizes individual segments into polygons using a “three-step” polygon extraction method
Github: https://github.com/gdaosu/lod2buildingmodel
Paper: https://arxiv.org/abs/2204.04139v1
Datasett: https://drive.google.com/file/d/1rA7SRPbSYFJwOBc7IfXxBgmUroTOZIOF/view?usp=sharing
Video: https://youtu.be/Nn4OABsEOXk
@ai_machinelearning_big_data
293 890
Сервис онлайн-обучения цифровым профессиям Яндекс Практикум запускает программу обучения по специальности «Инженер данных». Курс предназначен для студентов с как минимум базовым знанием SQL и Python — перед стартом необходимо пройти тест.
Авторы и преподаватели – практикующие эксперты ведущих российских IT-компаний.
Длительность — 6,5 месяцев.
Курс на 75% состоит из практических занятий – по окончании программы в вашем портфолио будет не менее 10 проектов.
Вы научитесь:
- работать с технологиями Python, SQL, Metabase, Airflow, PostgreSQL, MongoDB, ClickHouse, Celery, Kafka, Hadoop, Apache Spark, Spark Streaming и Yandex.Cloud
- извлекать, очищать и сохранять данные
- создавать и поддерживать хранилища типов Data Warehouse и Data Lake
- работать со стриминговой обработкой данных и облаками
Претендовать на работу по новой специальности студенты курса смогут уже в ходе обучения – с поиском вакансии помогут специалисты карьерного центра Яндекс Практикум.
Запись на курс открыта, старт занятий для ближайшего потока студентов – 18 апреля.
Стоимость курса:
95 000 рублей при разовой оплате, при оплате в рассрочку – 17 000 рублей в месяц.
По завершении программы студенты получат диплом о профессиональной переподготовке.
Запись на бесплатную вводную часть и подробности по ссылке.
293 890
🔗 Unsupervised Image-to-Image Translation with Generative Prior
A novel framework GP-UNIT, to improve the overall quality and applicability of the translation algorithm
Github: https://github.com/williamyang1991/gp-unit
Paper: https://arxiv.org/abs/2204.03641v1
Datasett: https://paperswithcode.com/dataset/celeba-hq
@ai_machinelearning_big_data
293 890
immers.cloud предлагает виртуальные серверы с посекундной тарификацией для решения задач искусственного интеллекта с видеокартами Tesla (V100, A10, T4) и RTX (2080Ti, 3090, 3080, A5000) от 29 ₽ в час.
Список всех GPU-конфигураций и цены доступны по ссылке.
Арендуйте мощные серверы с видеокартами Tesla V100 или RTX 3090 (и другие) на любой срок и с любым бюджетом.
Тарификация посекундная, минимальная сумма пополнения баланса — 100 ₽. Оплата происходит только за фактическое время использования вычислительных ресурсов.
В это непростое время, когда иностранные сервисы блокируют доступ к инфраструктуре, а отечественные облачные провайдеры повышают цены, мы решили зафиксировать цены на докризисном уровне и таким образом поддержать наших пользователей.
Зарегистрируйтесь по ссылке и получите бонус +20% к первому платежу.
Техническая поддержка доступна 24/7 — @immerscloudsupport
293 890
DALL·E 2
DALL·E 2 is a new AI system that can create realistic images and art from a description in natural language.
Openai: https://openai.com/dall-e-2/
Paper: https://cdn.openai.com/papers/dall-e-2.pdf
Video: https://vimeo.com/692375454
@ai_machinelearning_big_data
293 890
🗂 ObjectFolder 2.0: A Multisensory Object Dataset for Sim2Real Transfer
Github: https://github.com/rhgao/objectfolder
Paper: https://arxiv.org/abs/2204.02389v1
Project: https://ai.stanford.edu/~rhgao/objectfolder2.0/
Dataset: https://paperswithcode.com/dataset/objectfolder
@ai_machinelearning_big_data
293 890
MeetUP Data Science от Альфа-Банка🚀
12 апреля в 18:00 пройдет митап для дата-саентистов и тех, кому интересны решения прикладных задач с помощью машинного обучения.
Программа митапа:
🤓Извлечение бизнес-инсайтов из отзывов клиентов
Эдуард Янаков, Младший специалист по интеллектуальному анализу данных в Альфа-Банке
📈Прогнозирование спроса — работа и проблемы в продакшене
Максим Павлов, Руководитель направления мультивариативного анализа в Х5
📲Склонностные модели транзакционной активности
Алексей Запольский, Старший специалист по созданию новых признаков в Альфа-Банке
💰Определение дохода зарплатного клиента до получения первой зарплаты для целей раннего cross-sale
Евгения Дзюба, Младший специалист по интеллектуальному анализу данных в Альфа-Банке
Участие бесплатное, но нужно зарегистрироваться на Alfa Digital, чтобы вам прислали ссылку для подключения!
293 890
⛓ Deep Automatic Natural Image Matting
Github: https://github.com/JizhiziLi/AIM
Paper: https://arxiv.org/abs/2107.07235
Pretrained models: https://drive.google.com/uc?export=download&id=16dd1FGMcsMTqR6EfD2T9mtRmPwxnY0zs
Dataset: https://paperswithcode.com/dataset/celebamask-hq
@ai_machinelearning_big_data
